OpenCV实战：人眼检测+眨眼计数

已于 2023-06-27 10:29:18 修改
阅读量3.3k 收藏 52
点赞数 4
分类专栏： 计算机视觉 文章标签： opencv 计算机视觉 人工智能
于 2023-05-27 23:15:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44686138/article/details/130825833
版权
该文介绍了一个使用OpenCV库结合FaceMeshDetector模块来实时检测人眼并计算眨眼次数的项目。首先，通过468个人脸特征点检测人眼位置，然后连线计算眼睛开合比例，以此判断眨眼动作，最终实现眨眼计数功能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、前言

项目简介：使用OpenCV，实时检测人眼，并实现眨眼计数。

在之前的《OpenCV人脸特征点检测》中，我们了解到人脸由468个特征点构成，如下图所示：

由此可得人眼的坐标信息，然后根据坐标可以实时检测人眼。

二、实战

（1）安装环境

pip install opencv-python
pip install cvzone==1.5.6
pip install mediapipe==0.8.3.1

 （2）OpenCV加载视频

import cv2

cap = cv2.VideoCapture('Videos/2.mp4') #加载视频

while True:
    success, img = cap.read() #读取视频

    img = cv2.resize(img, (640, 360))  # 设置视频高、宽
    cv2.imshow('Image', img)
    cv2.waitKey(1)

 （3）捕捉人眼

  使用cvzone的FaceMeshDetector方法，可快速检测到人眼，代码如下：

import cv2
import cvzone
from cvzone.FaceMeshModule import FaceMeshDetector

cap = cv2.VideoCapture('Videos/2.mp4')  # 加载视频
detector = FaceMeshDetector(maxFaces=1)  # 创建检测器
idList = [22, 23, 24, 26, 110, 157, 158, 159, 160, 161, 130, 243]  # 左眼坐标
color = (255, 0, 255)

while True:
    success, img = cap.read()  # 读取视频
    img, faces = detector.findFaceMesh(img, draw=False)
    if faces:
        face = faces[0]
        for id in idList:
            cv2.circle(img, face[id], 20, color, cv2.FILLED) #标定左眼

    img = cv2.resize(img, (640, 360))  # 设置视频高、宽
    cv2.imshow('Image', img)
    cv2.waitKey(1)

效果：

 （4）连线

 连接眼睛上下、左右四点，输出两点间的距离

import cv2
import cvzone
from cvzone.FaceMeshModule import FaceMeshDetector

cap = cv2.VideoCapture('Videos/2.mp4')  # 加载视频
detector = FaceMeshDetector(maxFaces=1)  # 创建检测器
idList = [22, 23, 24, 26, 110, 157, 158, 159, 160, 161, 130, 243]  # 左眼坐标
color = (255, 0, 255)

while True:
    success, img = cap.read()  # 读取视频
    img, faces = detector.findFaceMesh(img, draw=False)
    if faces:
        face = faces[0]
        for id in idList:
            cv2.circle(img, face[id], 20, color, cv2.FILLED)

        # 眼睛四个点
        leftUp = face[159]
        leftDown = face[23]
        leftLeft = face[130]
        leftRight = face[243]
        # 连接四个点
        cv2.line(img, leftUp, leftDown, (0, 200, 0), 3)
        cv2.line(img, leftLeft, leftRight, (0, 200, 0), 3)

        # 两点距离
        lengthVer = int(detector.findDistance(leftUp, leftDown)[0])
        lengthHor = int(detector.findDistance(leftLeft, leftRight)[0])
        print("垂直方向：", lengthVer)
        print("水平方向：", lengthHor)

    img = cv2.resize(img, (640, 360))  # 设置视频高、宽
    cv2.imshow('Image', img)
    cv2.waitKey(1)

效果：

 （5）绘制图像

人在眨眼的时候，眼皮上下两点的距离是动态变化的，而水平方向两点长度不变，因此可以取垂直/水平的比例作为检测值，来判断是否眨眼了。

代码：

import cv2
import cvzone
from cvzone.FaceMeshModule import FaceMeshDetector
from cvzone.PlotModule import LivePlot

cap = cv2.VideoCapture('Videos/2.mp4')  # 加载视频
detector = FaceMeshDetector(maxFaces=1)  # 创建检测器
plotY = LivePlot(640, 360, [20, 50], invert=True)  # 绘图器
idList = [22, 23, 24, 26, 110, 157, 158, 159, 160, 161, 130, 243]  # 左眼坐标
color = (255, 0, 255)
BlinkCounter = 0
ratioList = []
counter = 0

while True:
    success, img = cap.read()  # 读取视频
    img, faces = detector.findFaceMesh(img, draw=False)
    if faces:
        face = faces[0]
        for id in idList:
            cv2.circle(img, face[id], 20, color, cv2.FILLED)

        # 眼睛四个点
        leftUp = face[159]
        leftDown = face[23]
        leftLeft = face[130]
        leftRight = face[243]
        # 连接四个点
        cv2.line(img, leftUp, leftDown, (0, 200, 0), 3)
        cv2.line(img, leftLeft, leftRight, (0, 200, 0), 3)

        # 两点距离
        lengthVer = int(detector.findDistance(leftUp, leftDown)[0])
        lengthHor = int(detector.findDistance(leftLeft, leftRight)[0])
        # print("垂直方向：", lengthVer)
        # print("水平方向：", lengthHor)

        ratio = int((lengthVer / lengthHor) * 100)  # 垂直水平/水平方向的长度比
        print('比例：', ratio)
        ratioList.append(ratio)
        if len(ratioList) > 3:
            ratioList.pop(0)
        ratioAvg = sum(ratioList) / len(ratioList)  # 长度比均值
        print(ratioAvg)

        imgPlot = plotY.update(ratioAvg)  # 绘图更新
        img = cv2.resize(img, (640, 360))  # 设置视频高、宽
        imgStack = cvzone.stackImages([img, imgPlot], 2, 1)
    else:
        img = cv2.resize(img, (640, 360))  # 设置视频高、宽
        imgStack = cvzone.stackImages([img, img], 2, 1)

    cv2.imshow('Image', imgStack)
    cv2.waitKey(1)

效果：

 （6）眨眼计数

由（5）可知，可以通过比例变化来判断是否眨眼，代码如下：

import cv2
import cvzone
from cvzone.FaceMeshModule import FaceMeshDetector
from cvzone.PlotModule import LivePlot

cap = cv2.VideoCapture('Videos/2.mp4')  # 加载视频
detector = FaceMeshDetector(maxFaces=1)  # 创建检测器
plotY = LivePlot(640, 360, [20, 50], invert=True)  # 绘图器
idList = [22, 23, 24, 26, 110, 157, 158, 159, 160, 161, 130, 243]  # 左眼坐标
color = (255, 0, 255)
BlinkCounter = 0
ratioList = []
counter = 0

while True:
    if cap.get(cv2.CAP_PROP_POS_FRAMES) == cap.get(cv2.CAP_PROP_FRAME_COUNT):
        cap.set(cv2.CAP_PROP_POS_FRAMES, 0)  # 重复播放视频
    success, img = cap.read()  # 读取视频
    img, faces = detector.findFaceMesh(img, draw=False)
    if faces:
        face = faces[0]
        for id in idList:
            cv2.circle(img, face[id], 20, color, cv2.FILLED)

        # 眼睛四个点
        leftUp = face[159]
        leftDown = face[23]
        leftLeft = face[130]
        leftRight = face[243]
        # 连接四个点
        cv2.line(img, leftUp, leftDown, (0, 200, 0), 3)
        cv2.line(img, leftLeft, leftRight, (0, 200, 0), 3)

        # 两点距离
        lengthVer = int(detector.findDistance(leftUp, leftDown)[0])
        lengthHor = int(detector.findDistance(leftLeft, leftRight)[0])
        # print("垂直方向：", lengthVer)
        # print("水平方向：", lengthHor)

        ratio = int((lengthVer / lengthHor) * 100)  # 垂直水平/水平方向的长度比
        print('比例：', ratio)
        ratioList.append(ratio)
        if len(ratioList) > 3:
            ratioList.pop(0)
        ratioAvg = sum(ratioList) / len(ratioList)  # 长度比均值
        print(ratioAvg)
        # 眨眼计数
        if ratioAvg < 35 and counter == 0:
            BlinkCounter += 1
            color = (0, 200, 0)
            counter = 1
        if counter != 0:
            counter += 1
            if counter > 10:
                counter = 0

        cvzone.putTextRect(img, f'Blink Count:{BlinkCounter}', (50, 200), 6, 5, colorR=color)  # 显示眨眼个数

        imgPlot = plotY.update(ratioAvg)  # 绘图更新
        img = cv2.resize(img, (640, 360))  # 设置视频高、宽
        imgStack = cvzone.stackImages([img, imgPlot], 2, 1)
    else:
        img = cv2.resize(img, (640, 360))  # 设置视频高、宽
        imgStack = cvzone.stackImages([img, img], 2, 1)

    cv2.imshow('Image', imgStack)
    cv2.waitKey(1)

效果：

OpenCV检测人眼、眨眼计数

三、最后

愿我们坚持学习下去，为了更美好的明天和更美好的自己。

深度学习-51-AI应用实战之基于dlib的人脸活体检测
qq_20466211的博客
12-02 488
人脸面部活体检测系统主要是基于人脸关键点检测之后，关键点之间的距离变化来进行的。使用dlib库的shape_predictor_68_face_landmarks模型，检测人脸的68个关键点。
《基于多场景的AI图片识别技术设计全析：从原理到实践》：此文为AI自动生成
zheng_ruiguo的专栏
01-11 1224
多模态融合技术将成为拓展图片识别应用边界的关键驱动力。通过将可见光图像与红外、雷达、声波等其他模态的数据有机结合，能够弥补单一模态信息的局限性，提升识别系统在复杂环境下的鲁棒性与准确性。
opencv检测人眼并精准定位瞳孔
07-26
使用opencv自带的haarcascade_eye_tree_eyeglasses.xml分类器实现检测人眼，并精准地定位了瞳孔的位置。代码很简洁，易于理解。
使用MediaPipe检测眼睛、鼻子和嘴巴
最新发布
2201_75910862的博客
03-08 389
代码定义了一个类，指定为，它采用Mediapipe开发的FaceMesh解决方案来检测面部标志。这种检测的重点是特定区域，即眼睛，虹膜，鼻子和嘴巴。从图像中提取所识别的界标，并以像素坐标的形式返回。_init__方法用于初始化检测器，这是通过配置Mediapipe的FaceMesh解决方案并存储眼睛、虹膜、鼻子和嘴巴的特定地标索引来实现的。try:pass下面表示上述图像的每个面部特征的结果。
OPENCV人眼检测
02-26
主要涉及到的内容有1、基于图片的人脸、人眼检测；2、利用OPENCV实现本地视频与图片帧之间的相互转换；3、基于本地视频的人脸、人眼检测；4、操作笔记本摄像头，实现人脸、人眼检测。以及haar检测器。全为源码，可以运行。运行环境为VS2013+opencv2.4.8.3/有任何问题，都可以到http://write.blog.csdn.net/mdeditor#!postId=50741748，下提问，涉及到本代码的问题都会极力回答。
实战：基于OpenCV的人眼检测
小白学视觉
07-13 3321
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 一、背景无论学习什么，实践都非常重要。如果打算学习OpenCV、Numpy等Python库，那么这...
内涵：OPENCV之人眼检测
算法工程师进阶之路
02-25 8450
本篇博客主要是对前段时间数字图像课程大作业-疲劳检测所做工作的一次总结整理。主要涉及到的内容有1、基于图片的人脸、人眼检测；2、利用OPENCV实现本地视频与图片帧之间的相互转换；3、基于本地视频的人脸、人眼检测；4、操作笔记本摄像头，实现人脸、人眼检测。 1、基于图片的人脸、人眼检测 原理： OpenCV利用样本的Haar特征进行分类器训练，得到级联boosted分类
Python+opencv实时的人眼识别+眨眼检测+闭眼检测源代码及详细教程
11-22
压缩包中含有【人眼识别+眨眼识别】源代码以及详细使用教程，利用pyrhon+opencv在ubuntu系统上运行，实现实时的检测。
利用OpenCV实现人眼的检测与跟踪
热门推荐
昊虹AI笔记
08-02 1万+
本篇博文的基础是 利用OpenCV的级联分类器类CascadeClassifier和Haar特征实现人脸区域的检测 程序实现思路如下： 利用级联分类器检测出人脸区域，再在人脸区域中检测出眼睛的区域，检测出眼睛的区域之后，用跟踪算法咔嚓眼睛降低运算量，避免每一帧都去检测眼睛。 代码如下： 代码中用到的级联分类器初始化XML下载链接 http://pan.baidu.com/s/1hsH...
opencv实现人眼检测
04-18
自己做的opencv与vs2012的人脸与人眼检测，可以运行，运行的时候需要设置一下库的链接即可 、
opencv眼球检测
01-15
是一个opencv写的眼球转动方向检测的程序，能够从视频中检测识别出眼球的转动方向并输出到屏幕，包括上、下、左、右
利用Python+opencv实时的人眼识别以+眨眼检测+闭眼检测源代码及详细教程
11-12
压缩包中含有【人眼识别+眨眼识别】源代码以及详细使用教程，利用pyrhon+opencv在ubuntu上运行，实现实时的检测，windows环境的配置需要自己在网上找相关教程，注意，压缩包中缺少的imutils库需另外从我的资源中下载，谢谢大家
基于opencv的C++人眼识别以及眨眼检测源代码
11-23
基于opencv的C++人眼识别以及眨眼检测源代码
opencv人眼检测
03-17
vc平台 opencv开源 有源码和exe运行文件。老外写的，包含了各种检测方法！
基于Python+OpenCV实时人脸和眼睛检测
2301_79809972的博客
06-08 603
一、项目背景与意义在现代计算机视觉和人工智能领域中，人脸和眼睛检测是一项重要且广泛应用的技术。无论是安全监控、人机交互还是自动驾驶，准确快速地检测人脸和眼睛都是至关重要的。本项目旨在利用Python编程语言和OpenCV库开发一个实时人脸和眼睛检测系统，该系统能够实时捕获视频流，并在其中检测出人脸和眼睛的位置，实现高效、准确的检测。二、技术原理人脸检测：本项目主要依赖OpenCV库中的Haar Cascade或LBP（Local Binary Patterns）分类器进行人脸检测。
opencv人眼检测识别
orientsurge163的专栏
10-31 1450
#include "cv.h" #include "highgui.h" #include #include using namespace std; void detectEyes(IplImage *img) {         CvMemStorage* storage = 0;     storage =cvCreateMemStorage(0) ;       
3皮卡丘眨眼代码_OpenCV检测眨眼
weixin_39939918的博客
12-22 276
软硬件环境windows 10 64bitnvidia gtx 1066opencv 4.4.0dlib 19.21.0imutils 0.5.3基本原理首先使用开源库dlib的人脸检测器识别出图片中的人脸并得到68个脸部关键点，进而获取到左右眼的关键点信息，通过计算EAR(Eye Aspect Ratio)，从而判定是否眨眼。人脸68关键点信息可以参考下图opencv_blink而眼部...
OpenCV行人检测：HOG+PCA+SVM算法实现
- 使用OpenCV的detection函数来进行实时行人检测。 5. C++编程语言在行人检测中的应用 C++是一种广泛使用的编程语言，尤其在高性能计算和系统级开发中十分流行。在行人检测源码中，C++被用来实现整个检测流程的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值